从 Kaggle 下载数据集（mac 和 win 端）
本文介绍如何使用终端/命令行工具从 Kaggle 下载数据（mac 和 win 系统）。包括教学如何下载、安装和配置 kaggle。
Python 面向对象程序设计
本文介绍了 Python 中的面向对象编程技术。包括了类的定义、运算符重载、迭代器、继承、命名空间和面向对象、深拷贝与浅拷贝。重点结合了各种代码案例进行分析。
统计软件 R 语言学习笔记 (1) R 语言基本介绍
本文介绍如何下载 R 语言和软件 RStudio 以及 R 语言的基本语法、R 的程序包、R 的对象。具体介绍了如何下载包、管理包、加载包和删除包，以及对象的命名和删除方法，和对象的属性和类别。
SQL 自学笔记（9）创建和管理数据库和数据表
本文介绍如何创建和管理数据库、数据表。包括了数据库的创建、管理；数据表的创建、修改、命名和删除。
SQL 自学笔记（8）子查询
子查询指一个查询语句嵌套在另一个查询语句内部的查询。包括了单行子查询和多行子查询；相关子查询与不相关子查询。
conda 创建虚拟环境常见问题：虚拟环境路径错误
利用 conda 更为轻便的搭建虚拟环境，但会出现新建环境与 conda 的安装路径不同的问题，此时需要修改 .condarc 文件
深度学习框架 Pytorch 深入学习（7）：向量化 广播机制 基本索引与切片
向量化计算能显著提高计算效率，本文介绍 Pytorch 中对向量化的实现，包括了广播机制、基本的索引与切片。
深度学习框架 Pytorch 深入学习（6）：GPU 加速：CUDA 的使用
使用 GPU 加速技术，可以大幅减少训练时间。Pytorch 中的 `Tensor` 张量和 `nn.Module` 类就分为 CPU 和 GPU 两种版本。一般使用 `.cuda()` 和 `.to(device)` 方法实现从 CPU 迁移到 GPU ，从设备迁移到设备。
深度学习框架 Pytorch 深入学习（5）：可视化工具：TensorBoard
为了更直观地、实时地观察训练过程，使用一些可视化工具实现训练过程的图形化表达，以便直观地展现结果。本文以 Tensorboard 为例介绍深度学习里的可视化。
深度学习框架 Pytorch 深入学习（4）：数据处理 Dataset 和 Dataloader
Pytorch 针对数据处理，提供了两个重要的类 Dataset 和 Dataloader。本章主要讲解如何使用 Pytorch 实现深度学习/神经网络里的数据处理。相比于搭建已知的神经网络，对数据的处理更为复杂困难。【数据处理非常重要且困难！！】
